[发明专利]基于深度学习的影像分析多时相异常特征区域参数的方法

权利要求书

1.一种基于深度学习人体全身PET/CT影像分析多时相异常特征区域参数的方法；其特征在于：包括以下步骤：

步骤1：获得CT全身定位片和ACCT全身影像标注数据集；

步骤2：利用深度学习AI识别CT头、四肢、骨盆图像并分割；

步骤3：利用深度学习AI识别PET头、四肢、骨盆图像并分割；

步骤4：利用第一时相ACCT图像匹配多时相ACCT图像，同时AI识别分割多时相同位置的PET层面；通过深度学习训练AI识别人体标志性器官及具备刚性变换特征的关键位置，识别相应的PET影像；

步骤5：获得第一时相全身PET/CT影像，即第一时相全身定位片；再获得同一物理位置的第二时相全身PET/CT影像；再通过多次全身PET/CT检查，获得同一物理位置的多时相全身PET/CT影像；

步骤6：利用步骤4中通过深度学习训练AI识别人体标志性器官及具备刚性变换特征的关键位置，识别相应的PET影像，对步骤5中首次采集的体位形态和相应的物理参数进行记录，作为标准参照，保证多次扫描体位特征规范、统一；

步骤7：利用步骤4中通过深度学习训练AI识别人体标志性器官及具备刚性变换特征的关键位置，识别相应的PET影像，进行多时相同体位异常代谢感兴趣区的勾画，在步骤5中的多时相全身PET/CT影像的图像序列上勾画感兴趣区，实现多时相全身PET/CT影像的感兴趣区对比结果的匹配分析。

2.如权利要求1所述的一种基于深度学习人体全身PET/CT影像分析多时相异常特征区域参数的方法，其特征在于：所述步骤5中同一物理位置设为全身PET/CT检查时采用特定头托作为影像的物理位置起始值。

3.如权利要求1所述的一种基于深度学习人体全身PET/CT影像分析多时相异常特征区域参数的方法，其特征在于：所述步骤5中获得的全身PET/CT影像包括动态影像和静态影像。

4.如权利要求1所述的一种基于深度学习人体全身PET/CT影像分析多时相异常特征区域参数的方法，其特征在于：所述步骤6中物理参数包括扫描长度和起始位置。